基于特征聚合和传播网络的图像超分辨率重建

基于特征聚合和传播网络的图像超分辨率重建
薄阳瑜;刘晓晶;武永亮;王学军
【期刊名称】《模式识别与人工智能》
【年(卷),期】2024(37)4
【摘要】基于深度学习的图像超分辨率重建通过网络加深提升图像重建性能,但复杂网络会导致参数量急剧增加,限制其在资源受限设备上的应用.针对此问题,文中提出基于特征聚合和传播网络的图像超分辨率重建方法,采用逐步提取融合特征的方式获取图像丰富的内部信息.首先,提出上下文交互注意力模块,使网络学习到特征图丰富的上下文信息,提高特征的利用率.然后,设计多维注意力增强模块,提高网络对关键特征的判别能力,分别在通道和空间两个维度提取高频信息.最后,提出特征聚合传播模块,有效聚合深层细节信息,去除冗余信息,并促进有效信息在网络中传播.在Set5、Set14、BSD100、Urban100等基准数据集上的测试实验表明,文中方法性能较优,重建后的图像细节纹理较清晰.
【总页数】14页(P299-312)
【作者】薄阳瑜;刘晓晶;武永亮;王学军
【作者单位】石家庄铁道大学信息科学与技术学院
【正文语种】中文
【中图分类】TP751;TP391.41;TP183
【相关文献】
1.基于特征补偿的深度神经网络重建超分辨率图像
2.基于特征图注意力机制的图像超分辨率重建
3.基于特征融合注意网络的图像超分辨率重建
4.基于深度聚合网络的单幅图像超分辨率重建
5.基于特征金字塔网络和密集网络的肺部CT图像超分辨率重建
因版权原因，仅展示原文概要，查看原文内容请购买。